As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

TabTransformer

TabTransformeré uma nova arquitetura de modelagem de dados tabulares profunda para aprendizado supervisionado. A TabTransformer arquitetura é construída em self-attention-based Transformers. As camadas do Transformer transformam as incorporações de recursos categóricos em incorporações contextuais robustas para obter maior precisão de previsão. Além disso, as incorporações contextuais aprendidas TabTransformer são altamente robustas contra recursos de dados ausentes e ruidosos e fornecem melhor interpretabilidade. Esta página inclui informações sobre recomendações de EC2 instâncias da Amazon e exemplos de notebooks para TabTransformer.

Recomendação de EC2 instância da Amazon para o TabTransformer algoritmo

SageMaker TabTransformer oferece suporte ao treinamento de instância única CPU e instância únicaGPU. Apesar dos custos mais altos por instância, GPUs treine mais rapidamente, tornando-os mais econômicos. Para aproveitar o GPU treinamento, especifique o tipo de instância como uma das GPU instâncias (por exemplo, P3). SageMaker TabTransformer atualmente não suporta GPU treinamento múltiplo.

TabTransformer cadernos de amostra

A tabela a seguir descreve uma variedade de exemplos de notebooks que abordam diferentes casos de uso do algoritmo da Amazon SageMaker TabTransformer .

Para obter instruções sobre como criar e acessar instâncias do notebook Jupyter que você pode usar para executar o exemplo SageMaker, consulte. Instâncias do Amazon SageMaker Notebook Depois de criar uma instância do notebook e abri-la, escolha a guia SageMakerExemplos para ver uma lista de todas as SageMaker amostras. Para abrir um caderno, escolha sua guia Use (Uso) e depois escolha Create copy (Criar cópia).